Wrangling II
|
Explorative Datenanalyse mit R The R Bootcamp |
|
adapted from trueloveproperty.co.uk
Überblick
In diesem Practical wirst du das Transformieren, Gruppieren und Analysieren von Daten mit dplyr üben.
Am Ende des Practicals wirst du wissen wie man:
- Daten transformiert.
- Daten gruppiert und deskriptive Statistiken berechnen kann.
Aufgaben
A - Setup
Öffne dein
TheRBootcampR project. Es sollte bereits die Ordner1_Dataund2_Codeenthalten.Öffne ein neues R Skript. Schreibe deinen Namen, das Datum und “Wrangling II Practical” als Kommentare an den Anfang des Skripts.
## NAME
## DATUM
## Wrangling II PracticalSpeichere das neue Skript unter dem Namen
wrangling_II_practical.Rim2_CodeOrdner.Lade das
tidyverse.
# Pakete laden
library(tidyverse) library(tidyverse)B - Transformation von Long zu Wide Format
In diesem Abschnitt arbeitest du zunächst mit dem bevoelkerung.csv Datensatz. Er enthält die Einwohnerzahlen verschiedener Schweizer Städte von 1930 bis 2011. Im Datensätze Tab findest du eine Auflistung und eine kurze Beschreibung der im Datensatz enthaltenen Variablen.
- Lese den Datensatz mit der
read_csv()Funktion in R ein und speichere ihn unter dem Namenbevoelkerung.
bevoelkerung <- read_csv(file = "1_Data/bevoelkerung.csv")- Mache dich mit dem Datensatz vertraut in dem du die ersten paar Zeilen (
print()) und die Variablennamen (names()) anschaust.
names(bevoelkerung) [1] "Stadtname" "st_wbev_2011" "st_wbev_2001"
[4] "proz_ver-2001–2011" "bevdichte" "st_wbev_1930"
[7] "st_wbev_1970" "st_wbev_1980" "st_wbev_1990"
[10] "st_wbev_2000" bevoelkerung# A tibble: 161 x 10
Stadtname st_wbev_2011 st_wbev_2001 `proz_ver-2001–… bevdichte st_wbev_1930
<chr> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Basel 164516 164665 -0.1 69 148063
2 Bern 125681 122211 2.8 24 111783
3 Genève 188234 175697 7.1 119 124121
4 Lausanne 129383 115272 12.2 31 75915
5 Winterth… 103075 89484 15.2 15 53925
6 Zürich 376990 340197 10.8 43 290937
7 Biel-Bie… 51635 48142 7.3 24 37726
8 Lugano 55151 50877 8.4 17 17672
9 Luzern 78093 73233 6.6 27 47066
10 St. Gall… 73505 69857 5.2 19 63947
# … with 151 more rows, and 4 more variables: st_wbev_1970 <dbl>,
# st_wbev_1980 <dbl>, st_wbev_1990 <dbl>, st_wbev_2000 <dbl>- Im Moment sind die Daten so angeordnet, dass jedes Jahr eine einzelne Spalte hat, d.h. es liegt ein Wide Format vor; wir wollen sie aber im Long format. Verwende
pivot_longer()um das Format zu wechseln. Verwende"st_wbev_2011"und"st_wbev_2001"für dascolsArgument und"jahr" fürdasnames_toArgument und speichere das Resultat als neues Objektbevoelkerung_longab.
# Transofmation vom Wide ins Long Format
bevoelkerung_long <- bevoelkerung %>%
pivot_longer(cols = c("XX", "XX"), names_to = "XX")# Transofmation vom Wide ins Long Format
bevoelkerung_long <- bevoelkerung %>%
pivot_longer(cols = c("st_wbev_2011", "st_wbev_2001"), names_to = "jahr")Printe den neu erstellten Datensatz. Alles wie erwartet?
Nun bringe nicht nur die Jahre 2001 und 2011, sondern alle im Datensatz vorhandenen Jahre ins Long Format. Schaue dir zunächst nochmals die Namen der Spalten mit
names()an.
names(bevoelkerung) [1] "Stadtname" "st_wbev_2011" "st_wbev_2001"
[4] "proz_ver-2001–2011" "bevdichte" "st_wbev_1930"
[7] "st_wbev_1970" "st_wbev_1980" "st_wbev_1990"
[10] "st_wbev_2000" - Jede Jahr-Variable hat die gleiche Struktur, nämlich
st_wbev_XXX. Das bedeutet, dass du die sehr hilfreichestarts_with()Funktion zur Variablenauswahl verwenden kannst. Benutzepivot_longer()undstarts_with()um alle Jahr-Variablen zu transformieren.
# Transofmation vom Wide ins Long Format
bevoelkerung_long <- bevoelkerung %>%
pivot_longer(cols = starts_with("XX"), names_to = "XX")bevoelkerung_long <- bevoelkerung %>%
pivot_longer(cols = starts_with("st_"), names_to = "jahr")Printe nochmals
bevoelkerung_long.Die Einwohnerzahl ist im neuen Datensatz mi dem Standardwert
valuebenannt. Führe nun nochmal diepivot_longerFunktion aus, verwende nun aber auch noch dasvalues_toArgument um die neue Spalteeinwohnerzu nennen.
# Transofmation vom Wide ins Long Format
bevoelkerung_long <- bevoelkerung %>%
pivot_longer(cols = starts_with("XX"), names_to = "XX", values_to = "XX")bevoelkerung_long <- bevoelkerung %>%
pivot_longer(cols = starts_with("st_"), names_to = "jahr", values_to = "einwohner")Schaue dir das Resultat an. Alles in Ordnung?
Verwende nun das
names_prefixArgument um die Präfixe der Jahreszahlen automatisch zu entfernen. Dercharacter-String der fürnames_prefixbereit gestellt wird, wird vom Beginn der Variablennamen entfernt.
bevoelkerung_long <- bevoelkerung %>%
pivot_longer(starts_with("st_"), names_to = "jahr",
values_to = "einwohner",
names_prefix = "st_wbev_")C - Transformation von Long zu Wide Format
- Nun nimm an, dass du die Daten als
bevoelkerung_longim Long Format bekommen hättest und sie ins Wide Format umwandeln müsstest. Verwende diepivot_wider()Funktion und den Argumentennames_fromundvalues_fromdie Spaltenjahrundeinwohnerzu. Speichere das Ergebnis alsbevoelkerung_wideab.
# Transofmation vom Long ins Wide Format
bevoelkerung_wide <- bevoelkerung_long %>%
pivot_wider(names_from = XX, values_from = XX)bevoelkerung_wide <- bevoelkerung_long %>%
pivot_wider(names_from = jahr, values_from = einwohner)Vergleiche
bevoelkerung_widemitbevoelkerung. War die Rücktransformation erfolgreich? Was fehlt?Um die zuvor entfernten Präfixe wieder bei den Variablennamen hinzuzufügen, kannst du das
names_prefixargument inpivot_wider()verwenden. Benutzenames_prefixum"st_wbev_"als Präfix wieder hinzuzufügen.
bevoelkerung_wide <- bevoelkerung_long %>%
pivot_wider(names_from = jahr, values_from = einwohner,
names_prefix = "st_wbev_")D - Wiederholung Wrangling I
Für den Rest des Practicals arbeitst du mit dem kc_house.csv Datensatz. Er enthält Verkaufspreise von Häusern in King County, Washington. Aufgelistet sind Häuser, welche zwischen Mai 2014 und Mai 2015 verkauft wurden. Nebst den Verkaufspreisen enthält der Datensatz Spezifikationen der Häuser, z.B. die Anzahl Zimmer eines Hauses.
- Lese den Datensatz mit der
read_csv()Funktion in R ein und speichere ihn unter dem Namenkc_house.
kc_house <- read_csv(file = "1_Data/kc_house.csv")- Printe den Datensatz und verwende
summary()undnames()um einen Eindruck über dessen Struktur zu erhalten.
kc_house# A tibble: 21,613 x 11
preis schlafzimmer badezimmer qf_wohnraum qf_parzelle stoecke ufer
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2.22e5 3 1 1180 5650 1 0
2 5.38e5 3 2.25 2570 7242 2 0
3 1.80e5 2 1 770 10000 1 0
4 6.04e5 4 3 1960 5000 1 0
5 5.10e5 3 2 1680 8080 1 0
6 1.23e6 4 4.5 5420 101930 1 0
7 2.58e5 3 2.25 1715 6819 2 0
8 2.92e5 3 1.5 1060 9711 1 0
9 2.30e5 3 1 1780 7470 1 0
10 3.23e5 3 2.5 1890 6560 2 0
# … with 21,603 more rows, and 4 more variables: qf_dachstock <dbl>,
# qf_keller <dbl>, baujahr <dbl>, postleitzahl <dbl>summary(kc_house) preis schlafzimmer badezimmer qf_wohnraum
Min. : 75000 Min. : 0.0 Min. :0.00 Min. : 290
1st Qu.: 321950 1st Qu.: 3.0 1st Qu.:1.75 1st Qu.: 1427
Median : 450000 Median : 3.0 Median :2.25 Median : 1910
Mean : 540088 Mean : 3.4 Mean :2.11 Mean : 2080
3rd Qu.: 645000 3rd Qu.: 4.0 3rd Qu.:2.50 3rd Qu.: 2550
Max. :7700000 Max. :33.0 Max. :8.00 Max. :13540
qf_parzelle stoecke ufer qf_dachstock qf_keller
Min. : 520 Min. :1.00 Min. :0.000 Min. : 290 Min. : 0
1st Qu.: 5040 1st Qu.:1.00 1st Qu.:0.000 1st Qu.:1190 1st Qu.: 0
Median : 7618 Median :1.50 Median :0.000 Median :1560 Median : 0
Mean : 15107 Mean :1.49 Mean :0.008 Mean :1788 Mean : 292
3rd Qu.: 10688 3rd Qu.:2.00 3rd Qu.:0.000 3rd Qu.:2210 3rd Qu.: 560
Max. :1651359 Max. :3.50 Max. :1.000 Max. :9410 Max. :4820
baujahr postleitzahl
Min. :1900 Min. :98001
1st Qu.:1951 1st Qu.:98033
Median :1975 Median :98065
Mean :1971 Mean :98078
3rd Qu.:1997 3rd Qu.:98118
Max. :2015 Max. :98199 - Da es sich um einen US Datensatz handelt, sind die Flächenangaben in Quadratfuss angegeben. Wir als “rest of the world” sind es natürlich eher gewohnt in Quadratmeter zu denken. Kreiere dazu drei neue Variablen
qm_wohnraum,qm_dachstockundqm_keller, welche die jeweilige Raumgrösse in Quadratmeter angeben. Ein Quadratfuss entspricht 0.093 Quadratmeter.
kc_house <- kc_house %>%
mutate(XX = XX * 0.093,
XX = XX * 0.093,
XX = XX * 0.093)kc_house <- kc_house %>%
mutate(qm_wohnraum = qf_wohnraum * 0.093,
qm_dachstock = qf_dachstock * 0.093,
qm_keller = qf_keller * 0.093)- Kreiere wiederum mit
mutate()eine neue Spalteqm_total, welche die Summe ausqm_wohnraum,qm_dachstockundqm_kellerdarstellt.
kc_house <- kc_house %>%
mutate(qm_total = qm_wohnraum + qm_dachstock + qm_keller)- Füge eine neue Variable
villahinzu (mitmutate()), welche den Wert “ja” annimmt, wennqm_totalgrösser als 750 ist und “nein”, wennqm_totalkleiner oder gleich 750 ist.
kc_house <- kc_house %>%
mutate(villa = case_when(
qm_total > 750 ~ "ja",
qm_total <= 750~ "nein"))E - summarise
- Unter Verwendung der base-R
data$colNotation, berechne den Mittelwert über alle Hauspreise.
mean(kc_house$preis)[1] 540088- Berechne wieder den Mittelwert aber verwende diesmal
summarise()Funktion. Besteht ein Unterschied in den Resultaten dieser und der vorherigen Aufgabe?
kc_house %>%
summarise(
XX = mean(XX)
)kc_house %>%
summarise(
preis_mean = mean(preis)
)# A tibble: 1 x 1
preis_mean
<dbl>
1 540088.- Wie hoch ist der höchste Verkaufspreis? Verwende die
max()Funktion.
kc_house %>%
summarise(
preis_max = max(preis)
)# A tibble: 1 x 1
preis_max
<dbl>
1 7700000- Sortiere mittels der
arrange()und derdesc()Funktion den Datensatz nachpreisin absteigender Reihenfolge und printe das Resultat. Richtig sortiert?
kc_house <- kc_house %>%
arrange(desc(preis))
kc_house# A tibble: 21,613 x 16
preis schlafzimmer badezimmer qf_wohnraum qf_parzelle stoecke ufer
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 7.70e6 6 8 12050 27600 2.5 0
2 7.06e6 5 4.5 10040 37325 2 1
3 6.88e6 6 7.75 9890 31374 2 0
4 5.57e6 5 5.75 9200 35069 2 0
5 5.35e6 5 5 8000 23985 2 0
6 5.30e6 6 6 7390 24829 2 1
7 5.11e6 5 5.25 8010 45517 2 1
8 4.67e6 5 6.75 9640 13068 1 1
9 4.50e6 5 5.5 6640 40014 2 1
10 4.49e6 4 3 6430 27517 2 0
# … with 21,603 more rows, and 9 more variables: qf_dachstock <dbl>,
# qf_keller <dbl>, baujahr <dbl>, postleitzahl <dbl>, qm_wohnraum <dbl>,
# qm_dachstock <dbl>, qm_keller <dbl>, qm_total <dbl>, villa <chr>- Wie gross ist der Anteil an Häuser, welche für mehr als 1 Million USD verkauft wurden?
kc_house %>%
summarise(million_prozent = mean(XX > XX))kc_house %>%
summarise(million_prozent = mean(preis > 1000000))# A tibble: 1 x 1
million_prozent
<dbl>
1 0.0678- Berechne die mittlere Anzahl Stockwerke (
stoecke) und Badezimmer (badezimmer) von Villen (villa). Verwende erstfilter()um Villen auszuwählen und danachsummarise().
kc_house %>%
filter(villa == "ja") %>%
summarise(
stoecke_mean = mean(stoecke),
badezimmer_mean = mean(badezimmer)
)# A tibble: 1 x 2
stoecke_mean badezimmer_mean
<dbl> <dbl>
1 1.92 3.68F - group_by und summarise
- Verwende
group_by()undn()um zu berechnen wie viele Villen und wie viele normale Häuser (nicht-Villen) im Datensatz vorhanden sind.
kc_house %>%
group_by(XX) %>%
summarise(N = XX)kc_house %>%
group_by(villa) %>%
summarise(N = n())# A tibble: 2 x 2
villa N
<chr> <int>
1 ja 751
2 nein 20862- Ergänze nun einen Eintrag in
summarise(), der den mittlere Verkaufspreis von Villen und normalen Häusern (nicht-Villen) berechnet?
kc_house %>%
group_by(villa) %>%
summarise(N = n(),
preis_mean = mean(preis))# A tibble: 2 x 3
villa N preis_mean
<chr> <int> <dbl>
1 ja 751 1541915.
2 nein 20862 504024.- Verwende nun
group_by()undsummarise(), um auch noch das Maximum zu bestimmen.
kc_house %>%
group_by(villa) %>%
summarise(N = n(),
preis_min = min(preis),
preis_mean = mean(preis),
preis_max = max(preis))# A tibble: 2 x 5
villa N preis_min preis_mean preis_max
<chr> <int> <dbl> <dbl> <dbl>
1 ja 751 404000 1541915. 7700000
2 nein 20862 75000 504024. 3100000- Haben Häuser, welche später gebaut wurden, eine grössere Wohnfläche? Gruppiere zur Beantwortung dieser Frage die Daten nach
baujahrund berechne dann die mittlere Wohnfläche (qm_wohnraum).
kc_house %>%
group_by(baujahr) %>%
summarise(N = n(),
wohnraum = mean(qm_wohnraum))# A tibble: 116 x 3
baujahr N wohnraum
<dbl> <int> <dbl>
1 1900 87 161.
2 1901 29 164.
3 1902 27 179.
4 1903 46 140.
5 1904 45 149.
6 1905 74 183.
7 1906 92 168.
8 1907 65 177.
9 1908 86 158.
10 1909 94 177.
# … with 106 more rowsG - Mehrere Gruppen
- Dein Freund Theodorus interessiert sich für Häuser einer bestimmten Gegend, nämlich mit den Postleitzahlen (
postleitzahl) 98001, 98109, 98117 und 98199. Stelle ihm einen neuen Datensatztheodoruszusammen, welcher nur die Häuser dieser Gegend enthält. Tipp: der%in%Operator testet ob Elemente des Vektors auf der rechten Seite im Vektor auf der linken Seite enthalten sind.
theodorus <- kc_house %>%
filter(XX %in% c(XX, XX, XX, XX))theodorus <- kc_house %>%
filter(postleitzahl %in% c(98001, 98109, 98117, 98199))- Berechne für Theodorus den mittleren, den den Minimum-, den Maximumpreis, sowie die Anzahl Häuser pro Gruppe, separat für die Postleitzahlen und ob es eine Villa ist.
theodorus %>%
group_by(postleitzahl, villa) %>%
summarise(preis_mean = mean(preis),
stoecke_min = min(stoecke),
stoecke_max = max(stoecke),
N = n())# A tibble: 8 x 6
# Groups: postleitzahl [4]
postleitzahl villa preis_mean stoecke_min stoecke_max N
<dbl> <chr> <dbl> <dbl> <dbl> <int>
1 98001 ja 665667. 1 2 3
2 98001 nein 277589. 1 2.5 359
3 98109 ja 2508333. 2 2.5 3
4 98109 nein 833528. 1 3 106
5 98117 ja 898750 2 2.5 2
6 98117 nein 575626. 1 3 551
7 98199 ja 1762618. 1 3 12
8 98199 nein 753625. 1 3 305X - Challenges
- Welche Postleitzahl hat den höchsten Anteil Häuser, welche am Ufer gebaut sind (
ufer)? Printe nur diese Zeile des Datensatzes.
kc_house %>%
group_by(postleitzahl) %>%
summarise(ufer_p = mean(ufer)) %>%
arrange(desc(ufer_p)) %>%
slice(1)# A tibble: 1 x 2
postleitzahl ufer_p
<dbl> <dbl>
1 98070 0.203- Welches Haus hat das schlechteste Preis-Wohnraumgrösse Verhältnis? Printe nur diese Zeile des Datensatzes.
kc_house %>%
mutate(preis_zu_flaeche = preis / qm_wohnraum) %>%
arrange(desc(preis_zu_flaeche)) %>%
slice(1)# A tibble: 1 x 17
preis schlafzimmer badezimmer qf_wohnraum qf_parzelle stoecke ufer
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 874950 2 1 1080 4000 1 0
# … with 10 more variables: qf_dachstock <dbl>, qf_keller <dbl>, baujahr <dbl>,
# postleitzahl <dbl>, qm_wohnraum <dbl>, qm_dachstock <dbl>, qm_keller <dbl>,
# qm_total <dbl>, villa <chr>, preis_zu_flaeche <dbl>- Welche 10 Postleitzahlen haben im Schnitt die höchsten Hauspreise? Printe nur diese 10 Zeilen.
kc_house %>%
group_by(postleitzahl) %>%
summarise(preis_mean = mean(preis)) %>%
arrange(desc(preis_mean)) %>%
slice(1:10)# A tibble: 10 x 2
postleitzahl preis_mean
<dbl> <dbl>
1 98039 2160607.
2 98004 1355927.
3 98040 1194230.
4 98112 1095499.
5 98102 901258.
6 98109 879624.
7 98105 862825.
8 98006 859685.
9 98119 849448.
10 98005 810165.- Kreiere den folgenden Datensatz genau wie er unten steht.
| baujahr | N | preis_mean | preis_max | qm_wohnraum_mean |
|---|---|---|---|---|
| 1990 | 320 | 563966 | 3640900 | 234 |
| 1991 | 224 | 630441 | 5300000 | 244 |
| 1992 | 198 | 548169 | 2480000 | 223 |
| 1993 | 202 | 556612 | 3120000 | 226 |
| 1994 | 249 | 486834 | 2880500 | 209 |
| 1995 | 169 | 577771 | 3200000 | 224 |
| 1996 | 195 | 639534 | 3100000 | 240 |
| 1997 | 177 | 606058 | 3800000 | 234 |
| 1998 | 239 | 594159 | 1960000 | 241 |
kc_house %>%
filter(baujahr >= 1990 & baujahr < 1999) %>%
group_by(baujahr) %>%
summarise(N = n(),
preis_mean = mean(preis),
preis_max = max(preis),
qm_wohnraum_mean = mean(qm_wohnraum)) %>%
knitr::kable(digits = 0)| baujahr | N | preis_mean | preis_max | qm_wohnraum_mean |
|---|---|---|---|---|
| 1990 | 320 | 563966 | 3640900 | 234 |
| 1991 | 224 | 630441 | 5300000 | 244 |
| 1992 | 198 | 548169 | 2480000 | 223 |
| 1993 | 202 | 556612 | 3120000 | 226 |
| 1994 | 249 | 486834 | 2880500 | 209 |
| 1995 | 169 | 577771 | 3200000 | 224 |
| 1996 | 195 | 639534 | 3100000 | 240 |
| 1997 | 177 | 606058 | 3800000 | 234 |
| 1998 | 239 | 594159 | 1960000 | 241 |
Beispiele
# Wrangling II mit dplyr and tidyr ---------------------------
library(tidyverse) # Lade tidyverse für dplyr
# Lese den basel Datensatz ein
basel <- read_csv("1_Data/basel.txt")
# Keine Gruppierungsvariable
bas <- basel %>%
summarise(
alter_m = mean(alter, na.rm = TRUE),
einkommen_median = median(einkommen, na.rm = TRUE),
N = n()
)
bas
# Eine Gruppierungsvariable
bas_ges <- basel %>%
group_by(geschlecht) %>%
summarise(
alter_m = mean(alter, na.rm = TRUE),
einkommen_median = median(einkommen, na.rm = TRUE),
N = n()
)
bas_ges
# Zwei Gruppierungsvariablen
bas_ges_bil <- basel %>%
group_by(geschlecht, bildung) %>%
summarise(
alter_m = mean(alter, na.rm = TRUE),
einkommen_median = median(einkommen, na.rm = TRUE),
N = n()
)
bas_ges_bil
# Gruppiere nach Geschlecht und Bildung und berechne den Mittelwert aller
# Variablen des Typs numeric
basel %>%
group_by(geschlecht, bildung) %>%
summarise_if(is.numeric, mean, na.rm = TRUE)Datensätze
| File | Zeilen | Spalten | Beschreibung |
|---|---|---|---|
| kc_house.csv | 21613 | 11 | Verkaufspreise von Häusern in King County zwischen Mai 2014 und Mai 2015. |
| bevoelkerung.csv | 161 | 10 | Einwohnerzahlen Schweizer Städte von 1930 bis 2011. |
kc_house.csv
Erste 5 Zeilen und 5 Spalten von kc_house.csv
| preis | schlafzimmer | badezimmer | qf_wohnraum | qf_parzelle |
|---|---|---|---|---|
| 7700000 | 6 | 8.00 | 12050 | 27600 |
| 7062500 | 5 | 4.50 | 10040 | 37325 |
| 6885000 | 6 | 7.75 | 9890 | 31374 |
| 5570000 | 5 | 5.75 | 9200 | 35069 |
| 5350000 | 5 | 5.00 | 8000 | 23985 |
| Variable | Beschreibung |
|---|---|
| preis | Preis in USD |
| schlafzimmer | Anzahl Schlafzimmer |
| badezimmer | Anzahl Badezimmer |
| qf_wohnraum | Wohnraumfläche in Quadratfuss |
| qf_parzelle | Parzellengrösse in Quadratfuss |
| stoecke | Anzahl Stöcke |
| ufer | Ist das Haus am Ufer gebaut (1) oder nicht (0) |
| qf_dachstock | Dachstockfläche in Quadratfuss |
| qf_keller | Kellerfläche in Quadratfuss |
| baujahr | Baujahr |
| postleitzahl | Postleitzahl |
bevoelkerung.csv
Erste 5 Zeilen und 5 Spalten von bevoelkerung.csv
| Stadtname | st_wbev_2011 | st_wbev_2001 | proz_ver-2001–2011 | bevdichte |
|---|---|---|---|---|
| Basel | 164516 | 164665 | -0.1 | 69 |
| Bern | 125681 | 122211 | 2.8 | 24 |
| Genève | 188234 | 175697 | 7.1 | 119 |
| Lausanne | 129383 | 115272 | 12.2 | 31 |
| Winterthur | 103075 | 89484 | 15.2 | 15 |
| Variable | Beschreibung |
|---|---|
| Stadtname | Name der Stadt |
| st_wbev_2011 | Wohnbevölkerung im Jahr 2011 |
| st_wbev_2001 | Wohnbevölkerung im Jahr 2001 |
| proz_ver-2001–2011 | Veränderung der Einwohnerzahl in Prozent zwischen 2001 und 2011 |
| bevdichte | Bevölkerungsdichte |
| st_wbev_1930 | Wohnbevölkerung im Jahr 1930 |
| st_wbev_1970 | Wohnbevölkerung im Jahr 1970 |
| st_wbev_1980 | Wohnbevölkerung im Jahr 1980 |
| st_wbev_1990 | Wohnbevölkerung im Jahr 1990 |
| st_wbev_2000 | Wohnbevölkerung im Jahr 2000 |
Funktionen
Pakete
| Paket | Installation | Beschreibung |
|---|---|---|
tidyverse |
install.packages("tidyverse") |
Ein Metapaket für Data Science, einschliesslich dplyr, ggplot2 und weitere Pakete |
Funktionen
Wrangling
| Funktion | Paket | Beschreibung |
|---|---|---|
rename() |
dplyr |
Umbenennen von Spalten |
select() |
dplyr |
Auswahl von Spalten basierend auf Name oder Index |
filter() |
dplyr |
Auswahl von Zeilen basieren auf einem logischen Ausdruck |
arrange() |
dplyr |
Sortiere Zeilen |
mutate() |
dplyr |
Hinzufügen von Spalten |
case_when() |
dplyr |
Recodieren von Spalten |
group_by(), summarise() |
dplyr |
Gruppierung von Daten zur Berechnung deskriptiver Statistiken |
pivot_longer() |
tidyr |
Transormation vom Wide ins Long Format |
pivot_wider() |
tidyr |
Transormation vom Long ins Wide Format |
